Carpartsセグメンテーションデータセット
Roboflow Universeで利用可能なCarparts Segmentation Datasetは、特にセグメンテーションタスクに焦点を当てたコンピュータビジョンアプリケーション向けに設計された、画像とビデオのキュレーションされたコレクションです。Roboflow Universeでホストされているこのデータセットは、複数の視点からキャプチャされた多様なビジュアルセットを提供し、セグメンテーションモデルのトレーニングとテストに役立つ注釈付きの例を提供します。
自動車研究に取り組んでいる場合でも、車両メンテナンス向けのAIソリューションを開発している場合でも、コンピュータビジョンのアプリケーションを調査している場合でも、Carparts Segmentation Datasetは、精度を向上させるための貴重なリソースとして役立ちます。 Ultralytics YOLOのようなモデルを使用したプロジェクトの効率。
見る: 自動車部品 インスタンスセグメンテーション Ultralytics YOLO11を使用。
データセットの構造
Carparts Segmentation Dataset内のデータ分布は、次のように構成されています。
- トレーニングセット:それぞれに対応するアノテーションが付いた3156枚の画像が含まれています。このセットは、トレーニング深層学習モデルに使用されます。
- テストセット: 276 枚の画像で構成され、それぞれにそれぞれのアノテーションがペアになっています。このセットは、テストデータを使用したトレーニング後のモデルのパフォーマンスを評価するために使用されます。
- 検証セット: 各画像に対応するアノテーションが付いた401枚の画像で構成されています。このセットは、トレーニング中にハイパーパラメータを調整し、過学習を検証データを使用して防ぐために使用されます。
アプリケーション
Carparts Segmentationは、以下を含むさまざまな分野で応用できます。
- 自動車品質管理: 製造中の自動車部品の欠陥や矛盾を特定します(製造業におけるAI)。
- 自動車修理: 修理または交換が必要な部品を特定する際に、整備士を支援します。
- Eコマースのカタログ作成: Eコマースプラットフォーム向けに、オンラインストアで自動車部品を自動的にタグ付けおよび分類します。
- 交通監視: 交通監視映像での車両コンポーネントの分析。
- 自動運転車: 周囲の車両をより良く理解するために、自動運転車の認識システムを強化します。
- 保険処理:保険金請求時に、損傷した車の部品を特定することにより、損害査定を自動化します。
- リサイクル: 効率的なリサイクルプロセスのために車両コンポーネントを選別します。
- スマートシティイニシアチブ:スマートシティ内の都市計画および交通管理システムにデータを提供します。
さまざまな車両コンポーネントを正確に識別して分類することで、自動車部品のセグメンテーションはプロセスを合理化し、これらの業界全体の効率と自動化の向上に貢献します。
データセット YAML
A YAML (Yet Another Markup Language)ファイルは、パス、クラス名、その他の重要な詳細を含むデータセット構成を定義します。Carparts Segmentationデータセットの場合、 carparts-seg.yaml
ファイルは以下で入手できます。 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/carparts-seg.yaml。YAMLフォーマットの詳細については、以下をご覧ください。 yaml.org.
ultralytics/cfg/datasets/carparts-seg.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# Carparts-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/carparts-seg/
# Example usage: yolo train data=carparts-seg.yaml
# parent
# ├── ultralytics
# └── datasets
# └── carparts-seg ← downloads here (133 MB)
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: carparts-seg # dataset root dir
train: images/train # train images (relative to 'path') 3516 images
val: images/val # val images (relative to 'path') 276 images
test: images/test # test images (relative to 'path') 401 images
# Classes
names:
0: back_bumper
1: back_door
2: back_glass
3: back_left_door
4: back_left_light
5: back_light
6: back_right_door
7: back_right_light
8: front_bumper
9: front_door
10: front_glass
11: front_left_door
12: front_left_light
13: front_light
14: front_right_door
15: front_right_light
16: hood
17: left_mirror
18: object
19: right_mirror
20: tailgate
21: trunk
22: wheel
# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/carparts-seg.zip
使用法
画像サイズが640のCarparts SegmentationデータセットでUltralytics YOLO11モデルを100エポック学習させるには、次のコードスニペットを使用します。利用可能な引数の包括的なリストについては、モデルのトレーニングガイドを参照し、ベストプラクティスについてはモデルトレーニングのヒントをご覧ください。
学習の例
from ultralytics import YOLO
# Load a pretrained segmentation model like YOLO11n-seg
model = YOLO("yolo11n-seg.pt") # load a pretrained model (recommended for training)
# Train the model on the Carparts Segmentation dataset
results = model.train(data="carparts-seg.yaml", epochs=100, imgsz=640)
# After training, you can validate the model's performance on the validation set
results = model.val()
# Or perform prediction on new images or videos
results = model.predict("path/to/your/image.jpg")
# Start training from a pretrained *.pt model using the Command Line Interface
# Specify the dataset config file, model, number of epochs, and image size
yolo segment train data=carparts-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640
# Validate the trained model using the validation set
# yolo segment val model=path/to/best.pt
# Predict using the trained model on a specific image source
# yolo segment predict model=path/to/best.pt source=path/to/your/image.jpg
サンプルデータとアノテーション
Carparts Segmentationデータセットには、さまざまな視点からキャプチャされた多様な画像とビデオが含まれています。以下は、データとその対応する注釈を示す例です。
- この画像は、車の画像サンプル内のオブジェクトセグメンテーションを示しています。マスク付きのアノテーションされたバウンディングボックスは、識別された車の部品(ヘッドライト、グリルなど)を強調表示しています。
- このデータセットは、さまざまな条件(場所、照明、オブジェクト密度)で撮影された多様な画像を備えており、堅牢な自動車部品セグメンテーションモデルをトレーニングするための包括的なリソースを提供します。
- この例は、データセットの複雑さと、特に自動車部品分析のような特殊な分野におけるコンピュータビジョンタスクにおける高品質なデータの重要性を強調しています。データ拡張などの手法は、モデルの汎化性能をさらに高めることができます。
引用と謝辞
Carparts Segmentationデータセットを研究または開発で使用する場合は、元のソースを引用してください。
@misc{ car-seg-un1pm_dataset,
title = { car-seg Dataset },
type = { Open Source Dataset },
author = { Gianmarco Russo },
url = { https://universe.roboflow.com/gianmarco-russo-vt9xr/car-seg-un1pm },
journal = { Roboflow Universe },
publisher = { Roboflow },
year = { 2023 },
month = { nov },
note = { visited on 2024-01-24 },
}
コンピュータビジョンコミュニティのために、この貴重なデータセットを作成および維持しているGianmarco RussoとRoboflowチームの貢献に感謝します。その他のデータセットについては、Ultralyticsデータセットコレクションをご覧ください。
よくある質問
Carparts Segmentation Datasetとは何ですか?
Carparts Segmentation Datasetは、コンピュータビジョンモデルをトレーニングして自動車部品のセグメンテーションを実行するための、画像とビデオの特殊なコレクションです。自動車AIアプリケーションに適した、詳細な注釈付きの多様なビジュアルが含まれています。
Ultralytics YOLO11 で Carparts Segmentation Dataset を使用するにはどうすればよいですか?
トレーニングできます。 Ultralytics YOLO11 このデータセットを使用してセグメンテーションモデルをトレーニングします。事前トレーニング済みのモデルをロードします(例: yolo11n-seg.pt
)を使用してトレーニングを開始するには、提供されている python または CLI の例を参照し、 carparts-seg.yaml
設定ファイルを確認してください。 トレーニングガイド 詳細な手順については、こちらをご覧ください。
学習サンプルスニペット
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-seg.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="carparts-seg.yaml", epochs=100, imgsz=640)
yolo segment train data=carparts-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640
Carparts Segmentationのアプリケーションにはどのようなものがありますか?
Carparts Segmentationは、以下のような場合に役立ちます。
- 自動車品質管理: 部品が基準を満たしていることを保証します(製造業におけるAI)。
- 自動車修理: 整備が必要な部品の特定。
- Eコマース: オンラインでの部品のカタログ作成。
- 自動運転車: 車両認識の向上(自動車におけるAI)。
- 保険:車両の損傷を自動的に評価します。
- リサイクル: 部品を効率的に選別します。
Carparts Segmentationのデータセット構成ファイルはどこにありますか?
データセット構成ファイル、 carparts-seg.yaml
は、データセットのパスとクラスに関する詳細を含むもので、Ultralytics GitHubリポジトリにあります。 carparts-seg.yaml.
Carparts Segmentation Datasetを使用する理由は何ですか?
このデータセットは、自動車アプリケーション向けの正確なセグメンテーションモデルを開発するために不可欠な、豊富なアノテーション付きデータを提供します。その多様性は、自動車両検査、安全システムの強化、自動運転技術のサポートなど、現実世界のシナリオにおけるモデルの堅牢性とパフォーマンスを向上させるのに役立ちます。このような高品質でドメイン固有のデータセットを使用すると、AI開発が加速されます。